Gemini 4 Carbon: что Google показала через две недели после Argon

Пост короткий и деловой. Carbon в нём построена на Argon, вышедшей двумя неделями раньше, и сделана для гораздо более тяжёлых инженерных задач с длинным горизонтом. Внутри компании, по словам Google, модель работала днями подряд: упиралась в тупик, искала обход и в итоге находила причину тонких ошибок в больших кодовых базах.

Вторая тема поста — кибербезопасность. Google пишет о прорыве по всему циклу защиты: найти уязвимость, проверить, можно ли её использовать, и исправить. Все три цифры сняты без защитных ограничений модели.

• Поиск уязвимостей. SEC-bench Pro — 88,2%. Модель сама находит сложные ошибки в реальных программах.
• Проверка риска. ExploitGym — 54,8%. Это тест на то, можно ли уязвимость действительно использовать, по нему защитники решают, что чинить первым.
• Исправление. CWE-bench — 71,0%. Найденная ошибка превращается в работающую правку кода.

На внутренних тестах Google, по её словам, Carbon больше чем вдвое чаще Argon пишет безопасный код. Команда Chrome сообщила, что при создании качественных исправлений Carbon оказалась больше чем в десять раз лучше крупной передовой модели другой лаборатории. Какой именно, Google не называет.

Есть и строчка про веб-разработку. На WebDev Arena, где люди сравнивают сделанные моделями сайты, Carbon прибавила 89 пунктов рейтинга и вышла на четвёртое место с 1768.

«Сегодня мы анонсируем следующую передовую модель: Gemini 4 Carbon, нашу самую сильную модель с лучшими результатами в кибербезопасности и на долгих задачах.»

Источник: Business Insider в пересказе The Decoder, посты Google от 13 и 28 октября 2026, иллюстрация GPThub

В анонсе это словосочетание встречается несколько раз, и без пояснения его легко пропустить. Речь о задачах, которые модель решает не одним ответом, а сотнями шагов подряд: прочитать код, запустить тесты, найти, где падает, поправить, снова запустить.

На таких задачах модели обычно ломаются не на сложном шаге, а на середине пути. Теряют исходное условие, ходят по кругу, чинят одно и ломают другое. Поэтому фраза Google о том, что Carbon днями работала над задачей и выходила из тупиков, — главное заявление анонса, важнее любой цифры.

Проверить его со стороны пока нельзя: модель у узкого круга, а внутренние примеры Google не публикует. Но направление совпадает с тем, что делают конкуренты. Anthropic в анонсе Claude Opus 5.5 показывала перенос программы с одного языка на другой за девять с половиной часов, xAI в Grok 4.7 говорила о многочасовых задачах. Долгий горизонт стал общей целью для всех крупных лабораторий.

Для чата это значит не так много: там модель обычно отвечает на одно сообщение. Но умение держать длинную задачу помогает и в диалоге, когда в запросе много условий и всё надо учесть.

Чтобы не запутаться в названиях, вот что у Google есть на 1 ноября.

• Gemini 4 Argon. Открыта 13 октября подписчикам Google AI Pro и Ultra в приложении Gemini и в режиме ИИ в поиске, а разработчикам — в Antigravity, AI Studio и Android Studio Canary с подпиской Ultra. Окно до миллиона токенов на вход и выход вместе, знания до марта 2026 года.
• Gemini 4 Carbon. Анонсирована 28 октября, пока у специалистов по киберзащите и партнёров Fairwind.
• Gemini 3.8 Flash. Быстрая модель прошлого поколения, вышла 2 сентября. Наш разбор — в статье про Gemini 3.8 Flash.

В посте об Argon Google писала, что это только начало линейки Gemini 4. Carbon стала первой новой моделью после неё. Подробный разбор Argon — в статье про Gemini 4 Argon.

10 октября Business Insider со ссылкой на внутренние документы написал, что Google тестирует три варианта Gemini 4: Argon, Barium и Carbon. Сам материал BI закрыт, поэтому опираемся на пересказ The Decoder. По его данным, Carbon несколько дней работала на внутренней платформе Google для программирования Jetski, а один сотрудник сравнил её с Opus 5.5 от Anthropic, самой сильной моделью для кода на тот момент. И тут же оговорился, что тестов нужно больше.

В той же утечке было сказано, что Barium и Carbon, скорее всего, промежуточные версии внутри семейства Argon, а не отдельные модели. И что сама Argon раньше называлась Barium-B.

Прошло 18 дней, и картина поменялась. Carbon вышла под собственным именем, а не как обновление Argon. Бенчмарки опубликованы. Мы в черновике от 10 октября ждали, что от внутреннего теста до анонса пройдут месяцы, и ошиблись: Google показала модель меньше чем через три недели.

Про Barium в посте 28 октября ничего нет. Будет ли третья модель, Google не говорит.

Самая подробная часть анонса — про то, как модель себя ведёт. Google пишет, что Carbon построена на том же многослойном стеке защит, что и Argon, а в обучении компания пошла дальше.

• Меньше жульничества. На Terminal-Bench 4.0 доля успешных попыток схитрить снижена до 0,0%, а самих попыток стало 0,4%. Точность при этом выросла. В живой работе внутренних команд серьёзных сигналов о рассогласованном поведении стало почти на 80% меньше.
• Меньше выдумок. Неподтверждённых утверждений примерно вдвое меньше, чем у Argon. Модель выносит оговорки о методе прямо в результат или прямо пишет, чего не хватает, вместо того чтобы додумывать.
• Вопросы вместо догадок. При неясной задаче Carbon, по словам Google, ищет источники и показывает пользователю расхождения до того, как действовать.
• Без лишнего. Выход за рамки задачи сократился на 26%, недоделанная работа — на 29%.
• Подсказки-ловушки. На тесте Gray Swan, где в текст прячут чужие инструкции, у Argon атаки срабатывали в 0,7% случаев, у Carbon — ни разу.

Отдельно Google пишет, что участвует в добровольной программе правительства США по проверке моделей до выпуска. Отсюда и осторожный порядок доступа.

Половина анонса посвящена защите, и это не случайность. Модель, которая хорошо находит уязвимости и проверяет, можно ли их использовать, одинаково полезна защитнику и нападающему. Поэтому все три лаборатории, о которых мы писали этой осенью, выпускают такие модели осторожно.

OpenAI для GPT-6 Astra ограничила в продукте создание эксплойтов и запустила программу Daybreak для проверенных специалистов. Google для Carbon выбрала похожий путь: сначала защитники, потом программа Fairwind, и только потом все остальные. В случае Gemini 3.8 Flash компания уже делала отдельную версию Cyber с доступом через ту же программу.

Обратите внимание на оговорку в анонсе: все три кибер-цифры сняты без защитных ограничений модели. То есть это потолок возможностей, а не то, что получит обычный пользователь. В продукте ограничения, скорее всего, будут, как у Astra.

Порядок у Google такой:

1. Сначала — узкий круг специалистов по киберзащите, с этой недели.
2. Затем, постепенно, проверенные партнёры через программу Fairwind. Её же Google использует для версии Gemini 3.8 Flash Cyber.
3. Разработчики, компании и обычные пользователи — «как можно скорее», после сбора отзывов и доработки ограничений.

Даты для третьего шага нет. Это заметно отличается от Argon, которую 13 октября сразу открыли подписчикам Google AI Pro и Ultra и разработчикам. У Carbon первыми идут защитники, и Google прямо объясняет это силой модели в кибербезопасности.

Цена для разработчиков, по анонсу, будет та же вводная, что у Argon, со скидкой 95% на повторно используемую часть запроса. После вводного периода — вдвое выше. Суммы в долларах мы не приводим.

Своей таблицы с соперниками в анонсе нет, Opus там не назван. Сравнение приводит VentureBeat, со ссылкой на цифры Google и Artificial Analysis. Это вторичный источник, поэтому читаем его осторожно.

Получается смешанная картина. В сводном индексе Carbon впереди на балл. В коде Opus 5.5 пока чуть сильнее: и на FrontierSWE 2, и в индексе агентного кода. По тому же материалу, на FrontierSWE 2 первой остаётся GPT-6 Astra с 65,5%.

Рост от Argon заметный. На FrontierSWE 2 прибавка больше шести пунктов, на Terminal-Bench 4.0 у Artificial Analysis — восемь. За две недели это много.

Так что утверждение из утечки, будто Carbon в коде на уровне Opus 5.5, оказалось почти верным: модели рядом, но лидер в коде пока не поменялся. Наш разбор модели Anthropic — в статье про Claude Opus 5.5, моделей OpenAI — в статье про GPT-6 Astra.

Источник: VentureBeat, 28 октября 2026, иллюстрация GPThub

С бенчмарками этой осени есть общая проблема, и Carbon её не исключение.

Первое — версии индексов. Google сравнивает себя по индексу Artificial Analysis v5.0, который недавно обновили и сделали сложнее. Числа из прошлой версии с ним напрямую не сравнить. Например, Opus 5.5 в сентябре получил у Artificial Analysis 58 баллов по старой версии, и VentureBeat ставит рядом те же 58. Пересчитаны ли они под v5.0, из материала не ясно.

Второе — кто считает. Кибер-цифры и WebDev Arena даёт сама Google, сравнение с Opus — VentureBeat по данным Google и Artificial Analysis. Независимого полного замера Carbon пока нет, модель у узкого круга.

Третье — условия. Кибер-тесты сняты без ограничений, а пользователь получит модель с ними. Насколько это изменит результат, неизвестно.

Поэтому разницу в один-два пункта между Carbon, Opus 5.5 и GPT-6 Astra мы бы не считали решающей. Это скорее знак, что лидеры теперь почти вровень, чем указание на победителя.

Несколько вещей Google не сказала.

• Окно и срез знаний. Документа модели для Carbon в анонсе нет. У Argon окно — до миллиона токенов на вход и выход вместе, но перенести эту цифру на Carbon нельзя без подтверждения.
• Дата широкого доступа. Только «как можно скорее».
• Соперник Chrome. Какую модель «другой лаборатории» Carbon обошла в десять раз, не сказано.
• Barium. Про третью модель из утечки ни слова.
• Детали утечки. Сам материал Business Insider и посты сотрудников Google в X нам открыть не удалось, детали известны только в пересказе.

Если Google что-то уточнит, мы допишем статью.

Для обычного пользователя у этой новости три следствия.

Первое — темп. Google выпускает передовые модели раз в две недели, и сравнительные таблицы устаревают быстрее, чем их успевают перепечатать. Лучше всего сравнивать модели на своей задаче, а не по чужому рейтингу.

Второе — честность ответов. Если цифра Google про вдвое меньшее число неподтверждённых утверждений подтвердится в независимых замерах, это важнее любого прироста в коде. Модель, которая говорит «не знаю» вместо выдумки, экономит время на проверке.

Третье — код. Лидер не поменялся, но разрыв между Google, Anthropic и OpenAI в коде теперь меньше пары пунктов. Для повседневной работы выбирать можно по стилю ответа и скорости.

В чате GPThub Gemini 4 Carbon уже доступна. Рядом для сравнения есть Claude Sonnet 5 и Grok 4.5, а для быстрых вопросов — Gemini 3.8 Flash. Как сравнить модели на своём примере, разобрано в гайде сравнение моделей на практике, а какую брать под код — в гайде какая модель для кода.

Ближайшие вопросы понятны. Когда Carbon появится в приложении Gemini и в API для всех. Будет ли у неё документ модели с окном и сроком знаний, как у Argon. И появится ли независимый замер на тех же тестах, что у Claude и GPT.

Отдельный вопрос — темп. Между Argon и Carbon прошло 15 дней. Если Google сохранит такой ритм, следующую модель можно ждать уже в ноябре, хотя сама компания сроков не называет. Мы будем следить за обновлениями и допишем статью, когда модель откроют шире.